正版
遥感影像非监督智能解译:单模态聚类理论与多模态融合方法
- 书名
- 遥感影像非监督智能解译:单模态聚类理论与多模态融合方法
- 作者
- 蔡耀明,张子佳,刘小波 著
- 出版社
- 武汉大学出版社
- 出版时间
- 2026-09-01
- ISBN
- 9787307257610
- 货号
- 1204646119
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- 遥感影像非监督智能解译:单模态聚类理论与多模态融合方法
- 作者
- 蔡耀明,张子佳,刘小波 著
- 出版社
- 武汉大学出版社
- 出版时间
- 2026-09-01
- ISBN
- 9787307257610
- 货号
- 1204646119
- 品相
- 全新
- 分类
- 当代·工业
作者简介▼
蔡耀明,男,博士,中南财经政法大学信息工程学院副教授、博士生导师,中国图像图形学学会遥感图像专业委员会委员,IEEE、ACM、CCF和CSIG会员。主持国家自然科学基金、湖北省自然科学基金、武汉市自然科学基金、中国博士后科学基金和湖北省博士后基金等项目,入选国家资助博士后研究人员计划,并获博士后科研业绩评估考核资助。获湖北省自然科学奖三等奖。在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Geoscience and Remote Sensing、IEEE Transactions on Systems,Man,and Cybernetics:Systems、ACM Transactions on Intelligent Systems and Technology、IEEE Transactions on Multimedia及ACM International Conference on Multimedia、International Joint Conference on Artificial Intelligence等权威期刊和会议上发表学术论文50余篇,其中3篇入选ESI高被引论文;获授权中国发明专利6项,出版学术专著1部。现担任Remote Sensing、Frontiers in Remote Sensing客座编辑。
张子佳,女,博士,湖北大学人工智能学院讲师、硕士生导师,具有德国德累斯顿-罗森多夫亥姆霍兹中心联合培养经历,中国图像图形学学会遥感图像专业委员会委员。主持湖北省自然科学基金、湖北省教育厅重点项目和教育部重点实验室开放基金等项目。在IEEE Transactions on Systems,Man,and Cybernetics:Systems、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Geoscience and Remote Sensing、Expert Systems with Applications及International Joint Conference on Artificial Intelligence等权威期刊和会议上发表学术论文20余篇,获授权中国发明专利4项。
刘小波,男,中国地质大学(武汉)人工智能与自动化学院教授、博士生导师。主持国家自然科学基金项目2项、湖北省自然科学基金项目2项,获湖北省自然科学奖三等奖。在IEEE Transactions on Geoscience and Remote Sensing、《自动化学报》、SCIENCE CHINA Information Sciences等高水平期刊和会议上发表学术论文60余篇,其中30篇被SCI收录,4篇入选ESI高被引论文。以第一作者身份出版学术专著《智能优化方法及其在高光谱图像处理中的应用》;获授权中国发明专利7项,登记软件著作权7项。
目录▼
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 高光谱图像聚类现状
1.2.2 深度表示学习现状
1.3 主要研究内容及技术路线
1.3.1 解决的关键科学问题
1.3.2 研究内容
1.3.3 研究方法和技术路线
1.4 主要创新点
第2章 深度聚类方法的基础理论
2.1 符号定义与方法分类
2.2 传统聚类方法
2.2.1 基于划分的聚类方法
2.2.2 谱聚类
2.2.3 子空间聚类
2.3 深度聚类方法
2.3.1 深度聚类的通用架构
2.3.2 深度原型聚类
2.3.3 深度子空间聚类
2.3.4 深度度量聚类
2.4 聚类评价指标
第3章 基于图正则化的深度子空间聚类方法
3.1 概述
3.2 图正则化技术
3.3 图正则化的残差子空间聚类网络
3.3.1 整体架构
3.3.2 卷积自编码器
3.3.3 残差学习
3.3.4 图正则化自表达层
3.3.5 目标函数及聚类
3.4 实验结果与分析
3.4.1 数据集及预处理
3.4.2 实验设置
3.4.3 定量分析
3.4.4 定性分析
3.4.5 消融实验
3.4.6 参数敏感性分析
3.5 本章小结
第4章 基于图卷积子空间聚类的高光谱图像聚类方法
4.1 概述
4.2 谱图卷积
4.3 图卷积子空间聚类方法
4.3.1 图卷积子空间聚类框架
4.3.2 高效图卷积子空间聚类
4.3.3 基于核的高效图卷积子空间聚类
4.4 实验结果与分析
4.4.1 实验设置
4.4.2 结果分析
4.4.3 时间复杂度比较
4.4.4 子空间系数的可视化
4.4.5 参数敏感性分析
4.5 本章小结
第5章 基于超像素的近邻对比子空间聚类方法
5.1 概述
5.2 超像素分割
5.3 基于超像素的近邻对比子空间聚类方法
5.3.1 整体架构
5.3.2 超像素分割
5.3.3 超像素池化自编码器
5.3.4 近邻对比正则化
5.3.5 目标函数及优化
5.4 实验结果与分析
5.4.1 实验设置
5.4.2 定量对比
5.4.3 消融实验
5.4.4 可视化对比
5.5 本章小结
第6章 基于对比学习的大规模高光谱图像聚类方法
6.1 概述
6.2 自监督对比学习
6.3 空谱对比聚类方法
6.3.1 整体架构
6.3.2 目标函数
6.3.3 实现细节
6.4 实验结果与分析
6.4.1 实验设置
……
文摘▼
本书聚焦遥感影像的非监督智能解译问题。遥感影像蕴含丰富的空谱信息,应用前景广阔,但其分类与解译任务长期受限于标记样本稀缺。传统浅层聚类方法难以刻画高维数据的非线性结构,鲁棒性不足,且在大规模场景下面临计算复杂度高、扩展性差等瓶颈;同时,多源多模态遥感数据存在模态异质、尺度不一、语义难对齐等问题,融合建模困难,非监督融合解译难度极大。为此,本书以深度学习与聚类理论为支撑,围绕遥感聚类的鲁棒性、可扩展性及多模态融合聚类三大核心问题开展系统研究。针对单模态遥感影像的复杂场景,研究图正则化深度子空间聚类、图卷积子空间聚类等鲁棒性建模方法,并结合超像素近邻对比学习、空间-光谱对比学习等可扩展建模策略,所提方法有效缓解了传统方法鲁棒性弱、计算开销大、难以适配大规模遥感场景等问题。在此基础上,面向多源异构遥感数据,研究多模态融合聚类方法,通过多模态锚点图学习、跨模态注意力交互建模,实现无标签条件下多模态遥感信息的互补利用与一致性表征。实验验证了所提方法在提升聚类精度与效率方面的有效性;本书由此构建起面向遥感影像的非监督智能解译方法体系,为高光谱及多模态遥感图像处理提供了兼具理论深度与应用价值的解决方案。
本书能够为遥感图像处理、机器学习、模式识别、人工智能和地球信息科学等领域的研究人员和研究生提供有益参考。





